• 정보처리학회논문지C
• /
• 제12C권5호
• /
• pp.701-708
• /
• 2005

무선 통신망에서 다양한 요구의 QoS(Quality of Service)를 보장하고 한정된 대역폭을 효과적으로 사용하기 위한 기법에는 이동성 예측 기법과 채널 할당 기법이 있다. 이러한 이동성 예측 기법들 중에서는 가장 최근에 제안되었으며, 셀 내부의 이동 경로를 저장하는 방법을 사용하는 Detailed-ZMHB 알고리즘이 가장 우수한 성능을 보인다. 또한, 여러 채널 할당 기법 중에서 핸드오프 호(Handoff Call)의 접속 실패율을 줄이기 위하여, 핸드오프 호에 우선순위를 두어 다소의 신규 호 블록킹율을 감수하고, 핸드오프 호의 접속 실패율(Dropping Probability)을 낮추는 방법들이 제안되었다. 특히, CDMA(Code Division Multiple Access) 시스템에서의 소프트 핸드오프의 경우, 신호의 세기에 따라 인접한 셀 중 두 개를 선택하여 채널을 예약하는 방법을 사용한다. 본 논문에서는 핸드오프 호의 접속 실패율을 줄이기 위하여, 예측 알고리즘에서 사용하는 이동 경로 저장 방법을 이용하는 새로운 채널 예약 기법을 제안한다. 그 결과로, 본 논문에서 제안한 채널 예약 기법이 기존의 기법보다 핸드오프 호의 접속 실패율이 약 67-71$\%$정도 낮다.

• 방송공학회논문지
• /
• 제17권3호
• /
• pp.471-479
• /
• 2012

화면 내 예측 (intra prediction)은 H.264/AVC 참조 소프트웨어의 중요한 기술들 중의 하나 이지만, 커다란 부호화 복잡도를 가지고 있다. 이 문제를 해결하기 위하여 많은 고속 알고리즘이 제안되어 왔다. 본 논문에서는 H.264/AVC 부호화기의 높은 복잡도를 줄이기 위하여 서브 샘플링 (sub-sampling)된 화소들을 이용해 현재 블록의 에지 방향을 예측하는 고속 화면 내 예측 모드 선택 알고리듬을 제안한다. 제안한 알고리듬은 이전 알고리즘에 비해 H.264/AVC 부호화기의 복잡도를 줄일 뿐 아니라 부호화 성능을 향상 시키는 것을 보여준다. 실험결과는 제안한 알고리듬이 미미한 화질 열화와 비트 증가율을 가지면서 평균적으로 75.93% 만큼 부호화 시간을 줄이는 것을 보여준다.

• 한국통신학회논문지
• /
• 제31권3C
• /
• pp.271-278
• /
• 2006

비트율-왜곡 최적화 기법은 H.264/AVC(Advance Video Coding)의 부호화 효율을 높이기 위한 방법이긴 하나 모드 결정 과정 중 부호화기의 복잡도를 높아지는 단점이 있다. 많은 고속화 모드결정 연구들이 모드결정의 복잡도를 줄이기 위하여 제안되어져 왔었다. 본 논문에서는 H.264/AVC의 모드결정의 전체적인 복잡도를 줄이기 위하여 다중 참조 영상 선택 고속화 알고리즘과 선택적인 인트라 모드 선택 알고리즘의 두 가지 고속화 알고리즘을 제안한다. 참조영상 선택 고속화 알고리즘은 인터 모드 결정에 효과적이며, 선택적인 인트라 모드 선해 알고리즘은 과도한 인트라 모드 결정의 계산량을 효율적으로 감소시켰다. 제안된 알고리즘을 실험한 결과로 평균 44.63%의 부호화 시간 감소비를 보이면서 영상의 열화와 같은 부호화 효율 감소는 거의 눈에 띄지 않았다.

• 한국통신학회논문지
• /
• 제36권4B호
• /
• pp.354-361
• /
• 2011

스마트 홈 분야에 대한 관심의 증가와 기술적인 발전은 상황인지 서비스와 베이시안 네트워크 알고리즘, 트리 구조 알고리즘 그리고 유전자 추측 알고리즘과 같은 예측 알고리즘에 대한 연구가 활발히 이루어지고 있다. 상황 인지 서비스는 개별적인 사용자의 패턴을 고려한 맞춤형 서비스를 제공하는 것은 사용자의 삶의 질을 향상시키는 데 도움 주는 것을 의미한다. 하지만 상황인지 서비스를 구현 하는 것은 상황정보와의 부합성 문제와 예외적인 상황 처리가 고려하는데 어려움을 겪고 있다. 이 문제를 해결하기 위해서, 본 연구에서는 지능형 순차적 매칭 방식 알고리즘(Intelligent Sequential Matching Algorithm : ISMA)을 제안하고, 페트리 넷에 시간 개념을 추가하여 시간 페트리 넷(Timed Petri-net : TPN)으로 모델링한다. 제안한 지능형 순차적 매칭 알고리즘의 유효성을 증명하기 위하여 시나리오를 제시하고, 그것을 모델링 한다. 또한 동일한 실험 조건 아래, 기존의 예측 알고리즘과 비교를 통하여 과 제안된 알고리즘의 예측 정확도가 4~6% 우수함을 보인다.

• 한국정보통신학회논문지
• /
• 제25권1호
• /
• pp.56-62
• /
• 2021

미세먼지 예보에 대한 높은 정확도가 요구됨에 따라 기계 학습의 알고리즘을 적용하여 예측 정확도를 높이려는 다양한 시도들이 이루어지고 있다. 그러나 미세먼지의 특성과 불균형적인 농도별 발생 비율에 대한 문제로 예측 모델의 학습 및 예측이 잘 이루어지지 않는다. 이러한 문제를 해결하기 위해 특정 농도를 기준으로 미세먼지를 저농도와 고농도로 구분하여 예측을 수행하는 등 다양한 연구가 진행되고 있다. 본 논문에서는 미세먼지 농도의 불균형 특성으로 인한 예측 성능 향상의 문제를 해결하기 위한 미세먼지 농도의 이진 분류 모델을 제안하였다. 분류 알고리즘 중 logistic regression, decision tree, SVM 및 MLP를 이용하여 PM10에 대한 이진분류 모델들을 설계하였다. 오차 행렬을 통해 성능을 비교한 결과, 4가지 모델 중 MLP 모델이 89.98%의 정확도로 가장 높은 이진 분류 성능을 보였다.

• 품질경영학회지
• /
• 제50권4호
• /
• pp.701-716
• /
• 2022

Purpose: This study aims to predict the dry cargo transportation market economy. The subject of this study is the BDI (Baltic Dry Index) time-series, an index representing the dry cargo transport market. Methods: In order to increase the accuracy of the BDI time-series, we have pre-processed the original time-series via time-series decomposition and data augmentation techniques and have used them for ANN learning. The ANN algorithms used are Multi-Layer Perceptron (MLP), Recurrent Neural Network (RNN), and Long Short-Term Memory (LSTM) to compare and analyze the case of learning and predicting by applying time-series decomposition and data augmentation techniques. The forecast period aims to make short-term predictions at the time of t+1. The period to be studied is from '22. 01. 07 to '22. 08. 26. Results: Only for the case of the MAPE (Mean Absolute Percentage Error) indicator, all ANN models used in the research has resulted in higher accuracy (1.422% on average) in multivariate prediction. Although it is not a remarkable improvement in prediction accuracy compared to uni-variate prediction results, it can be said that the improvement in ANN prediction performance has been achieved by utilizing time-series decomposition and data augmentation techniques that were significant and targeted throughout this study. Conclusion: Nevertheless, due to the nature of ANN, additional performance improvements can be expected according to the adjustment of the hyper-parameter. Therefore, it is necessary to try various applications of multiple learning algorithms and ANN optimization techniques. Such an approach would help solve problems with a small number of available data, such as the rapidly changing business environment or the current shipping market.

• 산업경영시스템학회지
• /
• 제46권1호
• /
• pp.105-111
• /
• 2023

Recently, research on prediction algorithms using deep learning has been actively conducted. In addition, algorithmic trading (auto-trading) based on predictive power of artificial intelligence is also becoming one of the main investment methods in stock trading field, building its own history. Since the possibility of human error is blocked at source and traded mechanically according to the conditions, it is likely to be more profitable than humans in the long run. In particular, for the virtual currency market at least for now, unlike stocks, it is not possible to evaluate the intrinsic value of each cryptocurrencies. So it is far effective to approach them with technical analysis and cryptocurrency market might be the field that the performance of algorithmic trading can be maximized. Currently, the most commonly used artificial intelligence method for financial time series data analysis and forecasting is Long short-term memory(LSTM). However, even t4he LSTM also has deficiencies which constrain its widespread use. Therefore, many improvements are needed in the design of forecasting and investment algorithms in order to increase its utilization in actual investment situations. Meanwhile, Prophet, an artificial intelligence algorithm developed by Facebook (META) in 2017, is used to predict stock and cryptocurrency prices with high prediction accuracy. In particular, it is evaluated that Prophet predicts the price of virtual currencies better than that of stocks. In this study, we aim to show Prophet's virtual currency price prediction accuracy is higher than existing deep learning-based time series prediction method. In addition, we execute mock investment with Prophet predicted value. Evaluating the final value at the end of the investment, most of tested coins exceeded the initial investment recording a positive profit. In future research, we continue to test other coins to determine whether there is a significant difference in the predictive power by coin and therefore can establish investment strategies.

• Geomechanics and Engineering
• /
• 제37권5호
• /
• pp.475-498
• /
• 2024

The prediction of the susceptibility of soil to liquefaction using a limited set of parameters, particularly when dealing with highly unbalanced databases is a challenging problem. The current study focuses on different ensemble learning classification algorithms using highly unbalanced databases of results from in-situ tests; standard penetration test (SPT), shear wave velocity (V_s) test, and cone penetration test (CPT). The input parameters for these datasets consist of earthquake intensity parameters, strong ground motion parameters, and in-situ soil testing parameters. liquefaction index serving as the binary output parameter. After a rigorous comparison with existing literature, extreme gradient boosting (XGBoost), bagging, and random forest (RF) emerge as the most efficient models for liquefaction instance classification across different datasets. Notably, for SPT and V_s-based models, XGBoost exhibits superior performance, followed by Light gradient boosting machine (LightGBM) and Bagging, while for CPT-based models, Bagging ranks highest, followed by Gradient boosting and random forest, with CPT-based models demonstrating lower G_mean(error), rendering them preferable for soil liquefaction susceptibility prediction. Key parameters influencing model performance include internal friction angle of soil (ϕ) and percentage of fines less than 75 µ (F₇₅) for SPT and V_s data and normalized average cone tip resistance (q_c) and peak horizontal ground acceleration (a_max) for CPT data. It was also observed that the addition of V_s measurement to SPT data increased the efficiency of the prediction in comparison to only SPT data. Furthermore, to enhance usability, a graphical user interface (GUI) for seamless classification operations based on provided input parameters was proposed.

• Smart Structures and Systems
• /
• 제14권6호
• /
• pp.1269-1289
• /
• 2014

With the sub-stepping technique, the numerical analysis in real-time dynamic hybrid testing is split into the response analysis and signal generation tasks. Two target computers that operate in real-time may be assigned to implement these two tasks, respectively, for fully extending the simulation scale of the numerical substructure. In this case, the integration time-step of solving the dynamic response of the numerical substructure can be dozens of times bigger than the sampling time-step of the controller. The time delay between the real and desired feedback forces becomes more striking, which challenges the well-developed delay compensation methods in real-time dynamic hybrid testing. This paper focuses on displacement prediction and force correction for delay compensation in the real-time dynamic hybrid testing with a large integration time-step. A new displacement prediction scheme is proposed based on recently-developed explicit integration algorithms and compared with several commonly-used prediction procedures. The evaluation of its prediction accuracy is carried out theoretically, numerically and experimentally. Results indicate that the accuracy and effectiveness of the proposed prediction method are of significance.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제7권9호
• /
• pp.2101-2119
• /
• 2013

The spectrum allocation is an attractive issue for mobile cognitive radio (CR) network. However, the time-varying characteristic of the spectrum allocation is not fully investigated. Thus, this paper originally deduces the probabilities of spectrum availability and interference constrain in theory under the mobile environment. Then, we propose a prediction mechanism of the time-varying available spectrum lists and the dynamic interference topologies. By considering the node mobility and primary users' (PUs') activity, the mechanism is capable of overcoming the static shortcomings of traditional model. Based on the mechanism, two prediction-based spectrum allocation algorithms, prediction greedy algorithm (PGA) and prediction fairness algorithm (PFA), are presented to enhance the spectrum utilization and improve the fairness. Moreover, new utility functions are redefined to measure the effectiveness of different schemes in the mobile CR network. Simulation results show that PGA gets more average effective spectrums than the traditional schemes, when the mean idle time of PUs is high. And PFA could achieve good system fairness performance, especially when the speeds of cognitive nodes are high.